Microfluidic high-throughput selection of microalgal strains with superior photosynthetic productivity using competitive phototaxis
Notice bibliographique
Résumé
Microalgae possess great potential as a source of sustainable energy, but the intrinsic inefficiency of photosynthesis is a major challenge to realize this potential. Photosynthetic organisms evolved phototaxis to find optimal light condition for photosynthesis. Here we report a microfluidic screening using competitive phototaxis of the model alga, Chlamydomonas reinhardtii, for rapid isolation of strains with improved photosynthetic efficiencies. We demonstrated strong relationship between phototaxis and photosynthetic efficiency by quantitative analysis of phototactic response at the single-cell level using a microfluidic system. Based on this positive relationship, we enriched the strains with improved photosynthetic efficiency by isolating cells showing fast phototactic responses from a mixture of 10,000 mutants, thereby greatly improving selection efficiency over 8 fold. Among 147 strains isolated after screening, 94.6% showed improved photoautotrophic growth over the parental strain. Two mutants showed much improved performances with up to 1.9- and 8.1-fold increases in photoautotrophic cell growth and lipid production, respectively, a substantial improvement over previous approaches. We identified candidate genes that might be responsible for fast phototactic response and improved photosynthesis, which can be useful target for further strain engineering. Our approach provides a powerful screening tool for rapid improvement of microalgal strains to enhance photosynthetic productivity.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».